如何檢索HTML頁面內的URL？

......... http://www.imdb.com/title/tt0092699/ ......

顯然網址，也可以

http://www.imdb.co.uk/title/tt0092699/ HTTP ：//www.imdb.es/title/tt0092699/ http://www.imdb.com/title/tt0092699 https://www.imdb.com/title/tt0092699/ https://www.imdb.com/title/tt0092699

（。域，HTTP/HTTPS或沒有最後的斜線）

來源

2012-01-30 sparkle

做協議獨立的URL的問題？ – 2012-02-07 04:32:29

使用這個表達式：

preg_match("/https?:\/\/www.imdb\..*?\/title\/tt\d+\/?/", $html, $matches);

你想要的網址將在$matches[0]。

這裏的正則表達式的含義，由片細分片：

/ =>開始正則表達式
https? =>字面http後跟可選s
:\/\/www.imdb\. =>字面://www.imdb.
.*?\/ =>匹配斜線前可能的最短字符串，然後是斜線;將匹配域端，不管它是（com，co.uk，es，等...）和第一斜線以下它
title\/ =>字面title/
tt\d+ =>字面tt隨後在至少一個數位（這是一個貪婪的匹配，所以它會匹配最多的連續數字）。將您所提供
\/? =>可選最終/
/ =>結束正則表達式

來源

2012-01-30 12:34:59

我建議用正則表達式多選一點。 'http：//www.imdb.spoofeddnsat.example.com /.*'不是很好的數據來源。請改用'/ https？：\/\/www \ .imdb \ .com？（\。[a-z] {2}）？\ /.../'。 – ghoti 2012-01-31 06:02:30

哈哈。我會一直看到來自我銀行的電子郵件「安全警告」。 – Graham 2012-01-31 06:08:32

這將很好地工作，它也將匹配URL的開始//這是獨立於協議'方案'。

(https?:|//)[^\s"]+

來源

2012-01-31 05:23:54

「//」不是URL的有效開始。 – Graham 2012-01-31 06:05:13

恩，是的，這不值得投票。 http://paulirish.com/2010/the-protocol-relative-url/ – 2012-01-31 06:27:16

我的天啊！我不知道！謝謝！投票改變了。 :-) – Graham 2012-01-31 06:51:09

如何檢索HTML頁面內的URL？

回答

相關問題